第五三三章 指挥（1 / 2）

 每月1，000台改型履带式炮车，这种产量，放在今天是太低了一些。

psk大区的军工产能，据推测，大部分会在气候相对适宜的低纬度地区，占领区内的工业潜力有限，只能算聊胜于无。

放心将前线交给人工智能去应付，这种信心，主要来自人工智能的强大处理能力。

过去若干年来，从全面核战后的人类内战，到进攻psk，大量案例已经证明，现有的人工智能体系，凭借已有的架构，完全可以应付从生产计划、到战术制定的大量复杂任务。

在过去若干年的和平时期，某一特性表现的并不明显，时至今日，ai则可以协调apos与战争决策系统的关系，动态分配能源、算力等资源，并根据战争进程的需要，调整“全产机”的生产体系之运作。

说白了，在旧时代需要一介统治机器，内嵌大量官僚、专家的复杂体系才能完成的任务，在今天则完全由ai去应付。

如此强大的系统，算力需求，自然也一直水涨船高。

至于说，系统会不会有算力供应不足的情形，进而影响运作，方然曾有过这种担心，但他很快意识到，通用型ai面临的任务压力，是弹性的，算力的多寡，只要不超出系统架构的理论需求之上限，就完全是“来者不拒”。

倘若出于各种原因，譬如电厂偶发故障、或者系统的分片检修维护，算力的临时波动也无大碍，至多造成一段时间内的决策质量下降。

与简单的计算机+ai系统相比，通用型ai的规模，十分巨大，鲁棒性也会强得多。

即便如此，在西历1498年夏初，阿达民还是信步走进莱斯利*兰伯特的办公室，借助“替身”直截了当的询问对方，“强ai三号机”何时上线测试。

现有的通用型ai，一直匿名的存在，管理nep，能力的确令人震撼。

但，用不着有多深的专业造诣，只翻阅报告，阿达民也能敏锐的觉察到，通用型ai很可能遭遇发展瓶颈，进而，难以胜任规模愈加庞大的控制任务。

nep，占地五百万平方公里，治下人口约一千万，规模当然很庞大。

在开战之前，具体的讲，西历1489年1月31日之前，通用型ai对整片大区的控制还是相当到位，即便由于各种原因，系统承担的任务强度，会时有波动，电力与计算资源的供应也无法绝对稳定，系统运作也一直十分平稳。

和平年代的大多数决策、分析任务，一言蔽之，需求毕竟不是刚性的。

不论某型号作战平台的仿真测试，还是apos体系的微小调整，这些常见任务，都没有一个明确的deadline。

早完成很好，晚一些完成也可以，总之，都可以灵活调度。

故，在这段漫长的时间内，通用型ai、apos、asa等智能化体系的各方面需求，都相对容易满足，大多数情况下，人工智能决策系统自己就能打理一切，办妥从负荷验算到电厂建设的所有环节。